一种基于线性判别诱导下稀疏表征技术的健康状态监测方法技术

本发明专利技术公开了一种基于线性判别诱导下稀疏表征技术的健康状态监测方法，包括以下步骤：(1)健康状态数据采集；(2)图像样本归一化；(3)训练线性判别分类器并计算监测类别分数；(4)计算稀疏表征残差；(5)融合基于线性判别分类器的分数与表征残差；(6)基于融合分数输出待测试样本的健康状态预测。本发明专利技术技术是一种基于线性判别分析分类器和基于稀疏表示的分类器融合的新型分类技术(L‑SRC)，可以用于对医学数据集进行检测，且该技术可以取得健康检查的高平均准确率。

【技术实现步骤摘要】

本专利技术属于健康状态监测，具体涉及一种基于线性判别诱导下稀疏表征技术的健康状态监测方法。

技术介绍

1、最近，多项非侵入性健康状态监测技术被频繁提出。该基于待监测对象的面部和或舌象进行健康状态监测。与传统的技术相比，非侵入性健康状态技术最大的优点是不需要提取待监测对象的体液，造成不适感和痛感。目前未有相关融合稀疏表征与线性判别分析的技术，对个人的健康状态进行监测。

技术实现思路

1、融合稀疏表征技术与线性判别分析技术，提出一种高精度的l-src方法，并应用在个人健康状态监测领域。

2、为实现上述目的，本专利技术所采用的技术方案是：

3、一种基于线性判别诱导下稀疏表征技术的健康状态监测方法，包括以下步骤：

4、(1)健康状态数据采集；

5、(2)图像样本归一化；

6、(3)训练线性判别分类器并计算监测类别分数；

7、(4)计算稀疏表征残差；

8、(5)融合基于线性判别分类器的分数与表征残差；

9、(6)基于融合分数本文档来自技高网...

【技术保护点】

1.一种基于线性判别诱导下稀疏表征技术的健康状态监测方法，其特征在于，包括以下步骤：

2.如权利要求1所述一种基于线性判别诱导下稀疏表征技术的健康状态监测方法，其特征在于，步骤(1)中健康状态数据采集，包括以下内容：

3.如权利要求1所述一种基于线性判别诱导下稀疏表征技术的健康状态监测方法，其特征在于，步骤(2)中图像样本归一化，包括以下内容：

4.如权利要求1所述一种基于线性判别诱导下稀疏表征技术的健康状态监测方法，其特征在于，步骤(3)中训练线性判别分类器并计算监测类别分数，包括以下内容：

5.如权利要求4所述一种基于线性判别诱导下稀疏...

【技术特征摘要】

1.一种基于线性判别诱导下稀疏表征技术的健康状态监测方法，其特征在于，包括以下步骤：

2.如权利要求1所述一种基于线性判别诱导下稀疏表征技术的健康状态监测方法，其特征在于，步骤(1)中健康状态数据采集，包括以下内容：

3.如权利要求1所述一种基于线性判别诱导下稀疏表征技术的健康状态监测方法，其特征在于，步骤(2)中图像样本归一化，包括以下内容：

4.如权利要求1所述一种基于线性判别诱导下稀疏表征技术的健康状态监测方法，其特征在于，步骤(3)中训练线性判别分类器并计算监测类别分数，包括以下内容：

5.如权利要求4所述一种基于线性判别诱导下稀疏表征技术的健康状态...

【专利技术属性】
技术研发人员：曾少宁，周健航，饶云波，
申请(专利权)人：电子科技大学长三角研究院湖州，
类型：发明
国别省市：